نتحدث كثيرا عن استخدام الذكاء الصناعي في رفع كفاءة محطات وشبكات الكهرباء، ماذا عن استهلاك الذكاء الصناعي ومراكز المعلومات للكهرباء.

لماذا يستهلك الذكاء الصناعي الكثير من الطاقة؟

يتطلب تدريب نماذج الذكاء الصناعي آلاف وحدات معالجة الرسومات (GPUs) التي تعمل باستمرار لأشهر، مما يؤدي إلى ارتفاع استهلاك الكهرباء. في عام 2023، استهلكت مراكز البيانات 4.4% من الكهرباء في الولايات المتحدة، وبحلول عامي 2030 و2035، قد تستحوذ مراكز البيانات على 20% من استهلاك الكهرباء العالمي، مما يُشكل ضغطًا هائلاً على شبكات الكهرباء. [1]

كما هو موضح في الشكل 1، فإن تدريب نماذج التعلم الآلي الحديثة يتطلب كميات هائلة من الموارد الحسابية، بالإضافة إلى الطاقة والمياه لتبريد مراكز البيانات التي تحتوي على كميات هائلة من بيانات التدريب. [2]

يشمل استهلاك الطاقة في مراكز البيانات:

• التزويد المستمر بالطاقة للخوادم وأجهزة الحفظ وغيرها من المعدات الأساسية،
• استهلاك الطاقة للبنية التحتية للتبريد،
• استهلاك الطاقة أثناء التشغيل
• الخوادم الخاملة واستهلاك الطاقة المرتفع للمهام الصغيرة.

ولجعل الذكاء الاصطناعي مستدامًا، نحتاج الى العمل على تبسيط نماذج الذكاء الاصطناعي، وتطوير البنية التحتية الأكثر خضرة، وتعزيز التعاون بين التخصصات.

مركز البيانات الأخضر

الهدف من مراكز البيانات الاخضر هو الاستفادة بكفاءة من الموارد المتاحة وتقليل استهلاك الطاقة وتكاليف التبريد الحراري.

يُحسّن مركز البيانات الأخضر معدات تكنولوجيا المعلومات، ومعدات التبريد، وأنظمة الإضاءة، والأنظمة الكهربائية في غرفة الآلات، ويزيد من كفاءة الطاقة ويُقلل من تأثيرها على البيئة. [3]

الشكل 2 يوضح بعض التقنيات للتحول نحو مراكز بيانات أخضر وفيما يلي شرح لبعض هذه التقنيات

مقياس السرعة الديناميكي (Dynamic Speed Scaling)

يُركز هذا النظام، المعروف أيضًا باسم مقياس الجهد والتردد الديناميكي (DVFS)، على خفض تردد/سرعة الأجهزة لتوفير الطاقة. يسمح مقياس السرعة الديناميكي بتوفير الطاقة، حيث يتناسب استهلاك الطاقة تقريبًا مع جهد التغذية و سرعة الجهاز

آلية إيقاف التشغيل (Power-Down Mechanism PDM)

في هذا الآلية، تُنقل الأجهزة إلى وضع الاستعداد أو وضع السكون منخفض الطاقة أثناء فترة خمولها لتوفير الطاقة. يجب تحديد فترات الخمول التي تكون مدتها كافية لتجاوز التكاليف المترتبة على الآلية مثل تكلفة الانتقال من وضع السكون وتكلفة التأخير، وتحديد وقت تنشيط الأجهزة من وضع توفير الطاقة لتلبية متطلبات عبء العمل.

تخصيص الآلات الافتراضية (Virtual Machine Assignment)

يُعد نقص الاستخدام في مراكز البيانات سببًا رئيسيًا للاستهلاك المفرط للطاقة. علاوة على ذلك، تتمتع الخوادم الحديثة بقوة كافية لاستخدام المحاكاة الافتراضية لإضفاء انطباعٍ بوجود العديد من الآلات الافتراضية الأصغر حجمًا، حيث تُشغّل كلٌ منها تطبيقات مستقلة. لذلك، تُعدّ الإدارة المثلى للآلات الافتراضية (بما في ذلك التخصيص والتوحيد والترحيل) تقنيةً مهمةً لمراكز البيانات، إذ تُسهّل تحسين استخدام الموارد وتقليل استهلاك الطاقة.

هندسة حركة مرور شبكة مركز البيانات (Network Traffic Engineering)

تُعد هندسة حركة المرور نهجًا فعالًا للغاية لجعل مراكز البيانات صديقة للبيئة، وذلك بالاعتماد على أنماط حركة مرور وهياكل شبكية مختلفة. وقد طُرحت العديد من الحلول لتحقيق التناسب في استهلاك الطاقة من خلال تطبيق تقنيات تجميع حركة المرور وتخصيص الآلات الافتراضية. أثبت الباحثون أن تقليل استهلاك طاقة الشبكة لأي بنية عامة لمركز البيانات هو NP-complete. واقترحوا برنامجًا مركزيًا للتحكم في طاقة الشبكة يجمع بيانات حركة المرور وإحصائيات الخادم من جميع المحولات والخوادم، وتستخدم هذه المعلومات لإجراء تجميع حركة المرور وتخصيص الآلات الافتراضية ونقلها في مركز البيانات المستهدف. كما أوضحوا الموقع الأمثل للآلات الافتراضية وتوفير عرض النطاق الترددي من خلال تقييم التتبع.

توزيع الطاقة  (Power Distribution)

في حين أن دمج الآلات الافتراضية يسمح بتقليل العدد الإجمالي للخوادم المادية النشطة، فقد طُرحت أيضًا أساليب توزيع الطاقة لتقليل تكاليف الطاقة المرتفعة للأنظمة الخاملة. ونظرًا لزيادة كثافة الطاقة، وتزايد عدد أجهزة تكنولوجيا المعلومات، وإمكانية إضافة أجهزة تكنولوجيا المعلومات وإزالتها عند الطلب، فقد حدثت تغييرات جذرية في كيفية استخدام الطاقة في مراكز البيانات.

بشكل عام، يتم توفير توزيع الطاقة بشكل مفرط في مراكز البيانات لاستيعاب فترات الذروة ولإتاحة المجال للتوسع المستقبلي.

الوصول إلى الطاقة المتجددة (Renewable Energy Access)

يُعد توسيع نطاق استخدام الطاقة المتجددة سبيلاً آخر نحو مراكز البيانات الخضراء. وقد قام بعض مالكي مراكز البيانات بالفعل بدراسة وتبني مصادر طاقة بديلة، مثل الطاقة الشمسية، والطاقة الحرارية الأرضية، وطاقة الرياح .ومع ذلك، فإن استخدام هذه الطاقات الخضراء يُمثل تحديًا نظرًا لطبيعتها المحدودة والمتقطعة وغير المستقرة. لذلك، فإن السؤال الرئيسي الذي يجب طرحه هو كيفية استغلال الطاقة المتجددة والتغلب على العوائق المرتبطة بها من خلال استغلال الميزات الفريدة لمراكز البيانات.

التبريد وتوزيع عبء العمل (Cooling and Work-load Distribution)

يُعد تحسين توصيل التبريد إحدى استراتيجيات التحكم في درجة الحرارة]. اقترح بعض الباحثين نظامًا للتحكم الكامل في بيئة مركز البيانات من خلال ربط جميع خصائصها معًا، بما في ذلك الاستشعار الموزع، وتكييف الهواء المتغير، وتجميع البيانات. بالإضافة إلى ذلك، استغلوا بلاطات غرفة التبريد ذات الفتحات المتغيرة للمساعدة في تحقيق تحكم أكثر مرونة في توزيع التبريد، وفي توجيه موارد التبريد عند الحاجة. وأفاد الباحثون بتحقيق وفورات في الطاقة بنسبة 50%.

اقترح الباحثون TE-Shave، وهو إطار عمل معمم يستغل خزانات تخزين الطاقة الحرارية (TES) لتقليل طاقة مركز البيانات. تحول TE-Shave إلى TES لتخزين الماء البارد أو الثلج لتكملة المبردات، وللتبادل الحراري خلال فترات ذروة الطاقة. علاوة على ذلك، قام TE-Shave بشحن TES من خلال تحضير الماء البارد أو الثلج عن طريق زيادة طاقة التبريد عند انخفاض الطاقة في مركز البيانات. وأظهر المؤلفون أن إطار عملهم المقترح يمكن أن يؤدي إلى توفير 28% في النفقات التشغيلية مقارنة بالعمل الحالي الذي ركز فقط على تقليل الطلب على الطاقة من جانب الخادم.

الموازنة بين درجة الحرارة والموثوقية (Temperature-Relatability Tradeoff)

ركزت جهود أخرى عديدة على تزويد مراكز البيانات بهواء دافئ نسبيًا لتقليل تكاليف التبريد، أي زيادة/التحكم في نقطة ضبط درجة الحرارة. تشير الدراسات إلى أن زيادة نقطة ضبط درجة الحرارة بمقدار درجة واحدة فقط يمكن أن يحقق توفيرًا في الطاقة بنسبة 2-5%. ومع ذلك، فإن رفع درجة حرارة مكونات الخادم يمكن أن يقلل من موثوقية النظام. بناءً على الملاحظة الحاسمة التي تفيد بإمكانية تبريد النقاط الساخنة بشكل انتقائي، اقترح اخرون آلية لإدارة طاقة التبريد للسماح لمبردات مراكز البيانات العالمية بالعمل عند درجة حرارة أعلى مع تحقيق نفس مستوى الموثوقية. قام الباحثون بدمج نماذج حرارية لمكونات مختلفة، مثل السيليكون في الشريحة، والمبردات الحرارية الكهربائية المدمجة، ومكيفات الهواء، وقاموا بتحديد الوفورات المتوقعة في طاقة التبريد لمركز البيانات بأكمله. بعد تقييم أكثر من 43 تطبيقًا من معيار SPECcup 2000، أفادوا بتوفير في طاقة التبريد بنسبة 12%.

References